与任何新技术进步一样,随着人工智能解决方案在不同情境中的应用,我们直接获得了许多经验教训。这些经验教训告诉我们,与任何其他类型的解决方案相比,人工智能解决方案更容易受到认知偏见的影响,而这种偏见存在于人类设计者、开发者和实施者等与最终用户互动的方式中。每个解决方案都是有偏见的,因为其创建背后的设计选择自然会包括和排除某些最终用户群体。就人工智能解决方案而言,由于其快速发展、覆盖范围和应用环境,其固有的设计偏见范围很快就被发现和批评了。作为一种新方法,人们使用诸如值得信赖和合乎道德之类的形容词来描述人工智能解决方案必须是什么样子。
我通过将自报的 GDP 数据与外太空卫星记录的夜间灯光 (NTL) 进行比较,研究了专制政权夸大 GDP 增长的情况。我指出,在更专制的政权中,GDP 的 NTL 弹性系统性地更大。弹性的这种专制梯度对于数据来源、计量经济学规范或样本构成的多种变化具有稳健性,并且不能通过大量国家特征的潜在差异来解释。当夸大经济增长的动机更强或对这种夸大的限制较弱时,梯度会更大。结果表明,专制政权每年夸大 GDP 增长高达 35%。根据专制政权中发生的操纵调整 GDP 数据会导致对近几十年来非民主国家经济成功的更细致入微的看法,并影响我们对外国援助流入变化对人均收入的影响的理解。
